推荐系统与深度学习
文章平均质量分 91
weixin_54096215
这个作者很懒,什么都没留下…
展开
-
因子分解机(FM)简介及实践
因子分解机(Factorization Machines, FM)是一个在2010年被提出的算法,是预估CTR的经典模型之一。在这篇文章里,前半部分会介绍FM的原理,后半部分会通过tensorflow来实现FM算法。由于个人水平十分有限,文章中对算法理解不当的地方,烦请大家指出,不胜感激! 1 FM简介 1.1 提出的动机 我们知道逻辑回归方法是对所有特征的一个线性加权组合,其预测值可以写为如下形式: 但这样的形式只是单独考虑了每个特征对目标值的影响,而没有考虑特征之间的关系,比如二阶组..转载 2021-11-04 18:45:37 · 421 阅读 · 0 评论 -
CTR预估经典论文详解(二)——DeepFM模型
论文链接: https://www.researchgate.net/profile/Huifeng-Guo/publication/314943217_DeepFM_A_Factorization-Machine_based_Neural_Network_for_CTR_Prediction/links/5983f288458515b420c96efb/DeepFM-A-Factorization-Machine-based-Neural-Network-for-CTR-Prediction.pdf转载 2021-08-31 16:57:28 · 337 阅读 · 0 评论 -
CTR预估经典论文详解(一)——Wide&Deep模型
论文链接: https://arxiv.org/pdf/1606.07792.pdf 一.论文背景 由于较少的特征工程,深度神经网络可以通过学习稀疏特征的低维密集嵌入来更好地泛化不可见的特征组合。然而,当用户与物品之间的交互是稀疏的、高秩的时,带有嵌入的深度神经网络会过度泛化并推荐相关度较低的物品。 1、“wide”类型的模型:一种浅层模型。它通过大量的单层网络节点,实现对训练样本的高度拟合性。利用cross-product方式进行特征交叉产生的特征具有很好的效果和很好的可解释性,但是需要较强的经验转载 2021-08-29 18:24:41 · 437 阅读 · 0 评论